土地退化和 SDG 15.3.1

作为“2030 年可持续发展议程”的一部分,可持续发展目标 (SDG) 15 是:

“保护、恢复和促进可持续利用陆地生态系统,可持续管理森林,防治荒漠化,制止和扭转土地退化,遏制生物多样性的丧失”

每个 SDG 都包含针对不同组成部分的具体目标,在本例中针对的是陆地生命。目标 15.3 旨在:

“到 2030 年,防治荒漠化,恢复退化的土地和土壤,包括受荒漠化、干旱和洪涝影响的土地,努力建立一个不再出现土地退化的世界”

然后使用指标来评估每个 SDG 目标的实现情况。就 SDG 15.3 而言,将使用指标 15.3.1 评估土地退化零增长目标的实现情况:

“退化土地占土地总面积的比例”

作为 SDG 15.3 的监管机构,联合国防治荒漠化公约 (UNCCD) 组织制定了“良好实践指南 (GPG) <https://www.unccd.int/sites/default/files/relevant-links/2021-03/Indicator_15.3.1_GPG_v2_29Mar_Advanced-version.pdf>`_., 就如何计算 SDG 指标 15.3.1 提出建议。

本文档简要介绍了 SDG 指标 15.3.1,并描述了 Trends.Earth 是如何计算每个指标的。

为评估退化区域,SDG 指标 15.3.1 使用来自 3 个子指标的信息:

  1. 植被生产力

  2. 土地覆盖

  3. 土壤有机碳

../../_images/indicator_15_3_1.png

Trends.Earth 允许用户以空间显式方式计算所有这些子指标,生成栅格地图,然后将其整合到最终的 SDG 15.3.1 指标地图中,并生成一个表格结果,对分析区域可能改善和退化的区域进行报告。

次级指标

生产率

土地生产力是土地的生物生产能力,是维持人类的所有食物,纤维和燃料的来源(联合国统计委员会,2016年)。净初级生产力(净初级生产力)是指在一定时期内光合作用和自养呼吸作用后吸收的碳的净量(Clark et al。2001),通常以单位如kg / ha / yr表示。核电厂估算时间长,成本高,因此,我们依靠遥感信息来推导核电厂指标。

NPP最常用的代用指标之一是归一化植被指数(NDVI),使用电磁波谱中的红色和近红外部分的信息进行计算。在|trends.earth|中,我们利用MODIS和AVHRR的双周产品计算NDVI的年度积分(为简化结果的解释,计算为平均年度NDVI)。然后,这些NDVI的年度积分用于计算下文解释的每个生产力指标。

土地生产力在|trends.earth|中使用从NDVI时间序列数据中获得的三种变化措施进行评估:轨迹、表现和状态。

../../_images/indicator_15_3_1_prod_subindicators.png

生产力轨迹

轨迹测量初级生产力随时间变化的速度。如下图所示,|trends.earth|计算像素级的线性回归,以确定分析期内初级生产力变化的区域。然后进行Mann-Kendall非参数显著性检验,只考虑那些P值≤0.05的显著变化。归一化差异指数的正向显著趋势表明土地状况的潜在改善,而负向显著趋势则表明潜在的退化。

../../_images/lp_traj_flow.png
纠正气候的影响

在一个特定的生态系统中,初级生产力受到几个因素的影响,如温度、光照、营养物质和水资源的可用性。其中,水的可用性随时间变化最大,对每年生产的植物组织数量有非常大的影响。当NDVI的年度积分被用来进行轨迹分析时,以历史降水信息作为背景来解释结果非常重要。否则,生产力下降的趋势可能被认定为人为造成的土地退化,而这些趋势是由水资源可用性的区域变化模式驱动的。

|trends.earth|允许用户进行不同类型的分析,以区分初级生产力变化的气候原因和可能是人类土地利用决策的结果的原因。目前支持的气候修正方法有:

残留趋势分析(RESTREND): RESTREND使用线性回归模型预测给定降雨量的NDVI。预测的NDVI和观测的NDVI之间的差异(残差)的趋势被解释为与气候无关的生产力变化。请参考以下引文,了解更多关于该方法及其局限性的细节:Wessels, K.J.; van den Bergh, F.; Scholes, R.J. 通过植被指数数据的趋势分析检测土地退化的局限性。Remote Sens.Environ. 2012, 125, 10-22.

雨水利用效率(RUE): RUE是NPP与年降水量的比率。|trends.earth|使用NDVI的年度积分作为年度NPP的代理,并提供了在不同降水产品中选择计算RUE的可能性。在计算所分析的每个年份的RUE后,对RUE随时间变化的趋势进行线性回归和非参数显著性检验。RUE的正向显著趋势表明土地状况有可能改善,负向显著趋势则表明土地状况有可能退化。关于方法的细节和局限性,请参考以下出版物:Wessels, K.J.; Prince, S.D.; Malherbe, J.; Small, J.; Frost, P.E.; VanZyl, D. 能否区分人类引起的土地退化与降雨变化的影响?南非的一个案例研究。J. Arid Environ. 2007, 68, 271-297.`

水利用效率(WUE): RUE假设在某地以降水形式出现的水量与植物实际使用的水量之间存在线性关系。这一假设并非对每个系统都成立。水利用效率试图通过使用年度总蒸发量(ET)而不是降水来解决这一限制。蒸发量被定义为降水减去地表径流、地下水补给和土壤储水变化所损失的水量。其余的分析与 RUE 的分析相同:对 WUE 随时间变化的趋势进行线性回归和非参数显著性检验。水利用率的正向显著趋势表明土地状况有可能改善,负向显著趋势表明土地状况有可能退化。

下表列出了|trends.earth|中可用的数据集,以使用原始NDVI数据或经过气候修正的数据进行NDVI随时间变化的趋势分析。

../../_images/lp_traj_variables.png

生产力状态

生产力状态指标允许检测与基线时期相比初级生产力的近期变化。该指标的计算方法如下:

  1. 界定基线期(与近期初级生产力进行比较的历史时期)。

  2. 定义比较期(用于计算比较的最近年份)。建议使用3年,以避免与气候有关的年度波动。

  3. 针对每个像素,使用基线期NDVI的年度积分来计算频率分布。如果基线期错过了NDVI的一些极端值,在分布的两个极端上增加5%。然后用这个扩大的频率分布曲线来定义10个百分点等级的临界值。

  4. 计算基线期的平均NDVI,并确定其所属的百分位数等级。为基线期的平均NDVI分配与该百分位数等级相对应的数字。可能的数值范围从1(最低等级)到10(最高等级)。

  5. 计算比较期的平均NDVI,并确定其所属的百分位数等级。为比较期的平均NDVI分配对应于该百分位数等级的数字。可能的数值范围从1(最低等级)到10(最高等级)。

  6. 确定对比期和基线期的类数差异(对比期减去基线)。

  7. 如果基线和比较期之间的类别差异≤2,那么该像素有可能是退化的。如果差异≥2,该像素将表明最近初级生产力方面的改善。变化小的像素被认为是稳定的。

../../_images/lp_state_flow.png

下表列出了可用于计算生产力状况指标的|trends.earth|中的数据集:

../../_images/lp_state_variables.png

生产力表现

生产力表现指标衡量相对于整个研究区类似土地覆被类型或生物气候区域的其他类似植被类型的当地生产力。|trends.earth|使用土壤单位(由SoilGrids提供的250米分辨率的USDA系统的土壤分类单位)和土地覆盖(由ESA CCI提供的300米分辨率的全部37个土地覆盖类别)的独特组合来定义这个分析区域。该指标的计算方法如下:

  1. 定义分析期,并使用NDVI的时间序列来计算每个像素的NDVI的平均值。

  2. 将生态上相似的单位定义为土地覆盖和土壤类型的独特交叉点。

  3. 针对每个单元,提取步骤 1 中计算的所有 NDVI 均值,并创建一个频率分布。从这个分布中确定代表第90个百分点的数值(我们不建议使用NDVI的绝对最大值,以避免由于异常值的存在而可能产生的误差)。代表第90个百分点的值将被认为是该单位的最大生产力。

  4. 计算平均NDVI和最大生产力的比率(在每种情况下,将观察到的平均值和其相应单位的最大值进行比较)。

  5. 如果观察到的平均NDVI低于最大生产力的50%,该像素视为该指标的潜在退化。

../../_images/lp_perf_flow.png

下表列出了可用于计算生产力绩效指标的|trends.earth|中的数据集:

../../_images/lp_perf_variables.png

结合生产力指标

然后,合并这三个生产力子指标,如下表所示。对于可持续发展目标(SDG)15.3.1的报告,需要3级指标,但|trends.earth|也会产生5级指标,利用国家提供的信息来告知该地区发生的退化类型。

../../_images/lp_aggregation.png

土地覆盖

为了评估土地覆被的变化,用户需要覆盖研究区域的基线年和目标年的土地覆被地图。这些地图需要具有可接受的精度,并用能够进行有效比较的方式创建。|trends.earth|使用ESA CCI土地覆盖地图作为默认数据集,但也可以使用本地地图。该指标的计算方法如下:

  1. 将两张土地覆被图重新分类为需要向《联合国防止荒漠化公约》(UNCCD) 报告的7个土地覆被等级(森林、草原、耕地、湿地、人工区、裸地和水)。

  2. 进行土地覆被过渡分析,以确定哪些像素保持在同一土地覆被等级,哪些像素发生了变化。

  3. 根据您对研究地区的条件和当地发生的土地退化处理的地方知识,使用下面的表格来确定哪些过渡对应于土地条件的退化(-号)、改善(+号)或没有变化(零)。

../../_images/lc_degradation_matrix.png
  1. |trends.earth|将结合土地覆被地图和按土地覆被过渡的退化类型表的信息,计算出土地覆被分指标。

../../_images/lc_flow.png

土壤有机碳

作为可持续发展目标进程的一部分,监测土地退化的第三个次级指标对报告期内土壤有机碳(SOC)的变化进行量化。出于某些原因,SOC的变化特别难以评估,其中一些原因是土壤特性的高度空间变异性,进行代表性土壤调查的时间和成本密集性,以及世界上大多数地区缺乏SOC的时间序列数据。为了解决其中的一些局限性,在|trends.earth|中使用了一种土地覆盖/SOC的综合方法来估计SOC的变化并确定潜在的退化区域。该指标的计算方法如下:

  1. 确定SOC的参考值。|trends.earth||使用SoilGrids 250m土壤剖面前30厘米的碳储量作为计算的参考值(注意:SoilGrids使用各种数据源和多年的信息制作该产品。因此,为计算目的指定一个日期,可能导致储量变化计算的不准确)。

  2. 将土地覆被图重新分类为需要向UNCCD报告的7个土地覆被等级(森林、草原、耕地、湿地、人工区、裸地和水)。最好是年度土地覆被图,但至少需要起始和结束年份的土地覆被图。

  3. 为了估算报告期内碳储存量的变化,气候变化专门组织和防治荒漠化公约建议了土地使用,管理和投入变化的C换算系数。然而,大部分地区都没有关于管理和C输入的空间明确信息。因此,只有土地利用转换系数可用于估算碳储量的变化(使用土地覆盖作为土地利用的替代指标)。所使用的系数是“防治荒漠化公约”进行的文献审查的结果,并列于下表。这些系数表示土地覆被变化20年后C储量的比例。

../../_images/soc_coeff.png

SOC的变化对涉及农业的土地覆被过渡研究比较好,因此,对全球每个主要气候区都有一套不同的系数。温带干旱区(f=0.80)、温带湿润区(f=0.69)、热带干旱区(f=0.58)、热带湿润区(f=0.48)和热带山地(f=0.64)。

  1. 计算基线期和目标期之间SOC的相对差异,在报告期内SOC损失10%以上的地区将被认为是潜在的退化,而收益10%以上的地区则是潜在的改善。

../../_images/soc.png

合并指标

三个SDG 15.3.1分项指标的整合是按照一出一进的规则进行的,这意味着如果一个地区被任何一个分项指标确定为潜在的退化,那么这个地区将被认为是潜在的退化,以便报告。

../../_images/sdg_aggregation.png